A NNALES DE L ’I. H. P.
M AURICE F RÉCHET
Généralisations de la loi de probabilité de Laplace
Annales de l’I. H. P., tome 12, n
o1 (1951), p. 1-29
<http://www.numdam.org/item?id=AIHP_1951__12_1_1_0>
© Gauthier-Villars, 1951, tous droits réservés.
L’accès aux archives de la revue « Annales de l’I. H. P. » implique l’accord avec les conditions générales d’utilisation (http://www.numdam.org/conditions).
Toute utilisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
1
Généralisations de la loi de probabilité
de Laplace
par
Maurice FRÉCHET.
. RÉSUMÉ.
Deux définitions sont données pour étendre la définition
classique
dela loi de
probabilité
deLaplace (dite
aussi loinormale)
concernant unnombre aléatoire. Toutes deux
s’appliquent
au cas d’un élérnent aléa-.toire de nature
quelconque,
choisi dans un espace vectoriel distancié.Dans la
première,
X estappelé
un élément aléatoirelaplacien
si ,~Xest un nombre aléatoire
laplacien quelle
que soit la fonctionnelle linéaire ~X.. La seconde est une définitiondescriptive qui
neprésuppose
pas ce
qu’est
un nombrelaplacien
etqui
est fondée sur l’extension d’un théorème deSerge
Berns tein.~
SUMMARY.
Two definitions are
given
forextending the
classical definition of theLaplace (or
socalled, normal)
lawof probability
of a random number.Both
apply
to the case of a random élément of any naturewhatsoever,
chosen in a distanced vectorial space.
In the 6rst one, X is called a
Laplacian
random number if ,~ X is alaplacian
random number for every linear functional 1: X. The second is adescriptive
definition which does not presuppose what aLaplacian
number is and is based on an extension of a theorem of
Serge
Bernstein.2
FONCTION
CARACTÉRISTIQUE.
Fonction
caractéristique
dans un espace vectoriel distancié. - Soit Xun élément aléatoire de nature
quelconque
choisi au hasard dans unespace vectoriel distancié B. W.
(’ ).
Et soit ,~X une fonctionnelle linéaire( 2 )
définie sur B. W.Par
exemple,
si B. W. est un espace cartésien à un nombrefini,
;, dedimens ions,
X ayant les coordonnéesX~, ..., Xr,
,~ X sera de laforme
_ .~ X = ’
où t1,
..., tr sont des constantes.Dans ce cas, on
appelle, depuis longtemps,
fonctioncaractéristique
de
X,
la fonction03C6X(t1,..., fI’) = Jll ei(t1X1+...+lrXr) = eiX 7
’
t~, ... , t,. définissent .~ et
inversement ;
on peut donc aussireprésenter
la fonction
caractéristique
par la notation condensée= eiX.
Cette notation où n’intervient
plus l’hypothèse
que B. W. est ici àr
dimensions,
nous invite à une extension immédiate.Quand
l’élémentaléatoire X
appartient
à un espace vectoriel distanciéquelconque
B.W.,
nous
appellerons (3) fonction caractéristique
deX, l’expression déjà
considérée ci-dessus .
[ J5 ] = eiX
qui
faitcorrespondre
à toute fonctionnelle linéaire X définie sur B.W.,
un nombre réel ou
complexe
fini et déterminéc~x~.~~.
(’ ) Pour la définition d’un espace vectoriel distancié (donnée simultanément par N. Wiener et Banach) ) voir par exemple notre ouvrage Les espaces abstraits, chez Gauthier-Villars, 1928, au paragraphe XIV, p. r41.
(2) C’est-à-dire une transformation de chaque élémcn t x de B.W, en un nombre réel x, qui soit distributive et continue :
’
(x1 + x2) - x1 + x2; lim x = x.
(3) Cette définition (ou des définitions voisines) ont été déjà proposées, par divers auteurs. Voir, par exemple, pour le cas où X est une fonction LE Un instrument
d’étude des fonctions aléatoires la fonction caractéristiqne
( C. R., t. 224, I947,p. 7I0-7II), et pour le cas général, Mlle E. MOCRIER, Sur l’espérance mathématique d’un
élément aléatoire dans un espace de Banach (C. R..4cad. Sc., t. 229, I949, p. I300-I30I).
3
Par
exemple
si B. W. estl’espace
H deHilbert,
X a une suite decoordonnées
Xli
telle que03A3X2k
converge et X est de la formeX = 03A3tkXk,
où la série
l t%
converge. Dans ce cas, la fonctioncaractéristique
estaussi une fonction de la suite infinie
des tk
, .~ ( t1, t~, ... ) _ ~i~. e1 ~clY1+...+ckx~+... ),
Si B. W. est
l’espace L2
des fonctionsnumériques X(x)
d’une variablenumérique
x,qui
sont de carréintégrable
sur un intervalle fixeI,
onsait que .~X est de la forme
X =
X (x)
l(x) dx,où
/(.r) appartient
àLa de
sorte que la fonctioncaractéristique
estaussi une transformation de
l(.x)
en un nombre réel oucomplexe 03A6[l] = et(x)
l(x)dx
Si B. W. est
l’espace
C des fonctionsnumériques X(x)
d’une variablenumérique x
continues sur un intervalle fixeI,
on sait que.~X =
où
L(x)
est une fonction à variation bornée. La fonctioncaractéristique
est alors une transformation de
L(x)
dans le nombre réel oucomplexe
.Considérons encore le cas
où,
X étant choisi au hasard dans un espace vectoriel distancié B.W.,
nous supposons que cet espacepossède
unebase. C’est-à-dire
qu’il
existe une suite dénombrable d’éléments distincts?i, e2, ..., de B. W. pour
laquelle, quel
que soit l’élément X de B.W.,
il lui
correspond
une suite et une seule~e
nombresX~, .X2....
telsque
X = Xi ei + X2 e2 + ... ,
cette
égalité signifiant
que -4
en posant
Xle1+...+ Xnen.
Toute fonctionnelle linéaire ~X définie sur B. W. étant distributive
et
continue,
on a ,.ex == lim = lim (X1 e1 +...+ Xnen), d’où
.~X=X~.~e1+...+X"~.e,t+...,
Xn
étant parhypothèse complètement
déterminé parX,
c’est une fonc-tionnelle de X. On démontre
qu’elle
est linéaire.Notons enfin que si un espace vectoriel distancié
possède
unebase,
ilest
séparable,
c’est-à-direqu’on
peut extraire de cet espace un ensemble dénombrable N tel que toutpoint
del’espace
soit limite d’une suite extraite de N.On voit que, dans le cas
actuel,
la fonctioncaractéristique
de X03C6X[] _ eiX peut être
représentée
par= e =
[lin eiX(n)] = m lim
ei(X1e1+...+Xnen).
Inversion. -
Quand
on se donne la fonctioncaractéristique 03C6X[]
de l’élément
’X,
on en déduit la fonctioncaractéristique
du nombre ~?X03C6X(03C1)
== ei03C1X=03C6X[03C1].11 y a donc une seule loi de
probabilité correspondante
de,~X,
définiepar sa fonction de
répartition F (x)
au moyen de la formule connueF(x)-F(o)=I 203C0
v.p.
03C6X[03C1]l_
d03C1,
- ~ ~" - x lp
où v.p. +~-~
est mis pourlim +CC
et où la constanteF(o)
est déter-minée par la condition
F(- 00 )
= o.La connaissance de la fonction
F(x) = Prob[X x]
quelle
que soit la fonctionnelle linéaire .~X contribue à la connaissance5
de la loi de
probabilité
de X. Car la « fonction de distribution » de XP(e)
= Prob.[X appartient
à l’ensernble e de B.W.]
sera connue pourtout ensemble e constitué par tous les
points
de B.W. situé d’un même côté du «plan »
,X = x de B. W.On sait même
qu’au
moins dans les cas lesplus simples (par exemple quand l’espace
B. W. est un espace euclidien à un nombre fini de dirnen-sions)
la fonctioncaractéristique
de X déterminecomplètement
la loi de
probabilité
de X.’ On
peut
allerplus
loin en revenant au cas où Xappartient
à unespace vectoriel distancié
possédant
une base.Nous voulons démontrer que la loi de
probabilité
de X sera bien.déterminée par la connaissance pour toute fonctionnelle linéaire 1: de la valeur
correspondante
de la fonctioncaractéristique
deX,
c~x~!~’~.
En
effet, quels
que soient les nombres certains t~, ... ; t,i;l’expression
=
est évidemment une fonction linéaire de
X;
connaissant03C6X[],
onconnaîtra en
particulier
03C6X[n] = einX = ei(t1X1+...+lnXn).
Or cette dernière fonction est la fonction
caractéristique classique
. ~~ n, lt) = ~ .., t,r )
du
point
aléatoire del’espace
euclidien à ndimensions.
Et l’on sait que la connaissance de cette dernière détermine la fonction deréparti-
tion de soit
..., = x,, ..., Xn xn].
Ainsi connaissant
03C6X[ ]
pour toute fonctionnelle linéaire,
nous savonsdéterminer
quel
que soit n la fonctionF,t (xi,
...,x,t;j.
Or si l’on poseProb[X1
x1, ..., Xn ‘ xa, Xn xu+l, ... = ..., ,x,z, ,x,a+1, ...),on a évidemment
xp, ..., ...)== lim Fn(x1, ..., x").
n~~
, Nous voyons bien finalement
qne la
connaissance dequelle
que soit la fonctionnelle
I~,
détermine la connaissance de la fonction de6
répartition
de Xmise,
dans le cas actuel où B. W. a unebase,
sous laforme
F(x1,
..., x,z,... ).
’
PREMIÈRE DÉFINITION
DES
ÉLÉMENTS ALÉATOIRES LAPLACIENS.
Nombre aléatoire
laplacien.
- Soit X un nombrealéatoire ;
sa fonc-tion
de répartition
est ,’
,
On dit souvent
(à
tort dureste) (’ )
que X obéit à la loi normale ou à la loi deGauss quand F(x)
est dérivable etquand
deplus
sa « densité deprobabilité
»,Fx
est de la forme(1) ~’x =
.
où
g (x)
est une fonction du seconddegré
de x. Nous dirons que X estun nombre aléatoire
laplacien ( 1 ) quand
existe et est de la forme(i)
où
g(x)
est une fonction auplus
dusecond degré
en x. Dans le cas oùg(x)
se réduit aupremier degré,
X est presque certainement constantet l’on pourra considérer que dans ce cas on a affaire à une loi de
Laplace singulière
oudégénérée.
Dans les deux cas, on sait que la fonctioncaractéristique
de Xpeut
être écrite(2) = eitX = e
itX - (03C3X)2
y%
,
où
X
etX)2
sont la moyenne et la tluctuation de X.Élément aléatoire
laplacien.
- Unpoint
X del’espace
euclidien àr dimensions vérifie la loi de
Laplace-Bravais lorsque
ses coordonnéessont de la forme
Xk=c1kX()+...+ crkX(r),
( 1 ) On sait que dans les applications (en particulier dans les phénomènes écono- miques), on rencontre des lois de probabilités très différentes (sans être anormales pour cela) de la loi des erreurs d’observation.
C’est de Moivre qui le premier a obtenu l’approximation de la loi binomiale par une
intégrale, comme, avant K. Pearson, Laplace l’avait déjà rappelé. Mais c’est Laplace et
non de Moivre, qui a le premier considéré cette intégrale comme définissant la loi des
erreurs d’observation. A cette époque, comme l’a signalé E. B. Wilson, Gauss n’avait
encore que trois ans.
7
~
où Xt’ ~ ... sont des nombres aléatoires
laplaciens indépendants
etles
c~
des constantes. On a alorsoù
.
~.=~~c~
et où
..., tr)
est une forme définie(ou semi-définie) positive
en~i)~2*’’’?~r*
D’ailleurs
’
En
posant
encoreX = t1X1 + ... + trX,.,
on a donc
(4)
?x[~]=~(~~ ...~r)=~ e ~:~x -16~X
~où X et
03C32X
sont la moyenne et la fluctuation du nombre aléatoire X.De sorte que ~?X est un nombre aléatoire
laplacien.
Nous sommes ainsi conduit à la
généralisation
suivante de la loi deLaplace.
’
Loi de
Laplace généralisée.
- Nous dironsqu’un
élément aléa- toire X(de
naturequelconque)
choisi au hasard dans un espace , vectoriel distancié B. W. est un élémentlaplacien, lorsque
,~ X est unnombre aléatoire
véri fiant
la loi deLaplace ( dite
aussi loinormale ) quelle
que soit lafonctionnelle
linéaire ,~x définie sur B.W.~(~).
Par
exemple,
sil’espace
B. W. se réduit à un espace euclidienC;
à(’ ) On pourra admettre comme cas singulier que pour certaines fonctionnelles linéaires ~?X, ~X soit presque certainement constant, mais il ne devra pas en être ainsi
quelle que soit 1: X, ce qui aurait lieu si X lui-même était presque sûrement constant.
8
. r
dimensions,
on devra avoir pour sa fonctioncaractéristique l’expres-
sion
(3) qui peut
aussi s’écrire. (4)
~, ..., ,,.~,’~~~-~")~~~~(-~)~-~
.Par
exemple
sil’espace
B. W. se réduit àl’espace
de HilbertH,
on auraencore une
expression analogue,
mais avec un nombre infini de para-mètres /. tels que converge.
Si B. W. se confond avec
L~,
on aura pour sa fonctioncaractéristique
’
iI X
(x)l(x)dx-1 2{I[X(x)
- X jr) l(x)dx}2
.Si B. W. se réduit à
l’espace
C des fonctionscontinues,
sa fonctioncaractéristique
sera’
~n,fx(~L(.r)-~
.
Propriété de la loi de
Laplace généralisée.
- SiX,
Y sont deux élé-ments aléatoires
laplaciens indépendants
choisis au hasard dans unespace vectoriel distancié B. W.
quelconque, ~
un élément certain de W. B. et a,b,
c trois nombres certainsquelconques,
alorsqui appartient
aussi à B.W., est
aussi un élémentlaplacien.
Car
(5) rz ==: aX+bY+cz.
Au second membre a,
b,
sont des nombrescertains,
X et Ydes nombres aléatoires
laplaciens, indépendants,
donc ~X est unnombre aléatoire
laplacien, quelle
que soit la transformation Dès lors Z est bien un élémentlaplacien.
,;
Inversement,
si Z est un élémentlaplacien
de B.W.,
si a,b,
c, z sont certains(ab~o), alors, si
X et Y sontindépendants ils
sont aussi,
laplaciens.
Car le nombre Z étantlaplacien
et les nombres aléatoires X et étantIndépendants,
il résulte du théorème deLévy-Gramér
que X et Y sont
laplaciens quelle
que soit la transformation X(l’une
ou l’autre pouvantcependant
être un nombre presque sûrementconstant pour
quelque
fonctionnelleparticulière d).
Dès lors X et Ysont
laplaciens (l’un
d’eux peut être presque sûrement constante9
l’autre étant
laplacien
nonsingulier,
si Z n’est passingulier.
Si Z estpresque certainement constant, X et Y le sont
aussi).
GÉNÉRALISATION
D’UNTHÉORÈME
DE SERGE BERNSTEIN.
Vers une définition descriptive de la loi de
Laplace.
- Nous avonsprésenté plus
haut unegénéralisation
de la loi deLaplace,
enpartant
de la définition « constructive »classique, supposée donnée,
de la loide
Laplace
pour un nombre aléatoire.On
peut
considérer comme souhaitable une définition de la loi deLaplace qui
conviendrait à des éléments aléatoires de naturequelconque
comme à des nombres
aléatoires;
c’est-à-dire nesupposant
pas, contrai-rement à ce
qui
a été faitplus haut,
que l’on connaissedéjà
la défini-°
tion d’un nombre
aléatoi.re laplacien.
C’est ce
qui
est rendupossible
par un théorème dû àSerge
Bernsteinquand
on lève une restrictionqu’il contenait, quand
on en modifie laforme pour en faire une définition et
quand
on en étend laportée,
comme nous allons le faire maintenant.
Théorème de S. Bernstein. -
Serge
Bernstein a démontré(’ ~
lethéorème suivant : Pour que deux nombres aléatoires
indépendants X, Y,
chacun pourvupartout
d’une densité deprobabilité
etayant
la mêmefluctuation
~lfinie
et~
o, soient deux variableslapla- ciennes,
ilfaut
et ilsuffit
que X + Y et X - Y soientindépendantes.
( 1 ) En russe (avec un résumé français) sous le titre : Sur une propriété caracté- ristique de la loi de Gauss, p. 2I et 22 des Transactions o f the Leningrad Poly
technic Institute, I94I.
’
Le théorème de S. Bernstein est le cas particulier pour n = 2 de la proposition sui-
vante : si X1, X2, .., Xn sont n nombres aléatoires indépendants ayant même loi de
probabilité que X, la condition nécessaire et suffisante pour que X soit laplacien est
que Mn = X1+...+Xn n et S2 = (X1-Mn)2+..+(Xn-Mn)2 n soient
indépendants. En supposant l’existence d’une densité de probabilité et d’une fluctuation finie de Xl, la
condition nécessaire a été énoncée par Student et démontrée par R. A. Fisher, la
condition suffisante a été démontrée par R. C. GEARY, Journal Royal Statis tical Soc., Suppl. vol. 3, puis d’une autre façon par LiiKAcs, Annals Mathematical Slatistics vol. 13, I g;~~.
’
Le cas de n > 2 ne paraît pas propre à une extension simple aux espaces vectoriels
distanciés. .
I0
On
peut
étendre cetteproposition
au cas où l’on ne suppose l’exis-tence d’une densité de
probabilité
ni pourX,
ni pourY,
au moyen d’une démonstration tout à fait différente de celle de S. Bernstein(en
ce
qui
concerne la conditionsuffisante).
Cecifait,
une rnodificationsimple
des termes du théorèmepermet
d’en tirer une définition«
descriptive »
de la loi deprobabilité
deLaplace,
définitionéquivalente
à la définition « constructive » habituelle. Et cette définition
descriptive
a ce
grand
intérêt degarder
un sens(grâce
à l’élimination del’hypo-
thèse de l’existence d’une densité de
probabilité), quand
X et Y aulieu d’être des nombres aléatoires sont des éléments aléatoires
de
nature
quelconque pris
au hasard dans un espace « vectoriel distancié » de Banach-Wiener ou même dans un espaceplus général
encore.Nous avons enfin
appliqué
la nouvelle définition au cas oùX
est unpoint
aléatoire del’espace
euclidien à un nombre entier de dimensions(cas
où cette définitiondescriptive
estéquivalente
à la définition cons- .tructive de
Laplace-Bravais )
et au cas del’espace
de Hilbert.Extension du théorème de
Serge
Bernstein. - L . Nouvelle démons- tration de la conditionsuffisante.
- Pour la conditionsuffisante,
nousn’aurons besoin ni de supposer l’existence d’une densité de
probabilité
nimême de supposer les
fluctuations égales.
Notre démonstration ne fera même intervenirqu’à
la fin lasupposition..que
lesfluctuations
soientfinies.
Soient donc deux nombres aléatoires
indépendants
X et ~Y TELSSEULEMENT
d’abord,
queX -~- Y
et X - Y soient aussi des nombres aléatoiresindépendants.
Représentons
par9x (t)
la fonctioncaractéristique
deX,
X( t) = eitX.
Posons
2X=U+V; j 2Y==U2014V,
d’où _
03C6X(2t) = 03C62X(t) ’ 03C6V(t),
d’où encore .
(6) ~X(2t~ - ~x~t~ ~Y(t~ ?x(t) ~-Y(t~ ‘
~~X(t~~~
?Y(-- t)~De la même
façon
II
d’où
(7) f
~’Y~2t~ - ~
9x(t) 9x(- t~~n’est
jamais
nul. S’il existait un nombre to tel queCPx( t)
==9* on aurait d’abordto ~
o,puisque c~X ( o )
= i .Alors
diaprés (6)
° _ 03C6X(t0) _
( t0 2)]2 03C6Y(t0 2 ) 03C6Y (-t0 2)
.Il existerait donc un nombre t, =+
f
et tel que = o ouPar
imécurrence,
on verraitqu’il
existet,t = -~- 2~~
tel que= o ou = o.
L’une au moins des deux fonctions
p;(t)
serait nulle pourune infinité des
nombres
etpuisque
tn-+ o et que toute fonctioncaractéristique
estcontinue,
on aurait ou cequi
est
impossible.
Ainsi,
onpeut, quel
quesoit t, prendre
leslogarithmes [que
nousappellerons tf(t)
et03A8(t)]
des deux fonctions03C6Y(t).
Un
problème
de calcul foncti onnel. - Leslogarithmes 03C8(t), tIl’ ( t )
deces
deux
fonctions sont donc deux fonctionsdéterminées.
telles enparti-
culier que
~.~ ( o ) _ ~’ ( o ) = o
et vérifiant lesystème d’équations
fonctionnelles
Résolvons ce
problème purement mathématique.
En faisant l = odans
S,
on vérifie d’abordque 03C8(o)
=03A8(o)
= o.Posons
~(t) - ~(t)
+ 2 ~~(~).
~ I(t~ _~(~)- 2
~’(t) .On aura en
ajoutant
et retranchant(6bis)
et(7bis)
On a, d’abord
12
donc est une fonction
impaire
et par suite(9). j(2t} = 2 I(t}.
En posant
I(t) = t03B1(t) .
pour t ~
o, on a donc’
et par
suite, pour t ~
o,x(2t) = 03B1(t).
Pour t > o, posons
t = 2~~ et t ~~;(),} =
x(2~~),
on aura
~r;(î,} _ ~~(), + 1).
Ainsi
pour t
> ooù 7~3
(À )
est une fonction définiequel
que soit ~ et depériode égale
à ïet où pour
abréger
Ludésigne
lelogarithme népérien
de u. ’Pour t o. on a
I(t)=-I(-t)=-(-t)03C0s( L(-t) L2)
ou
I(t) = t03C03(L(-t) L2).
Donc, quel
que soit lesigne
de t~
o, on a ,(I0) I(t) =
t 03C03(L|t| L2)
.Passons Posons
.
_
~’(t) + 2 ~(- t).
~ L(t} -~(t) - 2 ~(- t)
et
portons
dans(8)
. ~(2t} + i(2t} - 2 p(t) - 2 ~(t} = 2~7(t}
ou
p(2t) - 4 p(t) = 2 i(t) - i(2t}.
Les deux membres sont des fonctions
respectivement paires
etimpaires.
Leur valeur commune est donc nulle.On a d’abord
I3
qui
se traite comme larelation (g)
et donne-
M20142014(’~)-
où
03C02(03BB)
est une fonction depériode égale à
i. D’autrepart
~(2~)=4~)- d’où,
enposant
~)=~~
pour ~o,p(~)=~~)
et par suite .
3(~)==n~20142014-)
pour ~>o,où
~(~)
est depériode
i.Et
puisque p(~)
estpaire
p(t) = t203C9(L|t| L2)
pour t ~ o.Ainsi
2(t) = t203C9(L|t| L2)+t 03C02(L|t| L2), I(t) = t03C03(L|t| L2),
d’où enfin
où ~ ( n ~, ~r ( ~, ~,
sont trois fonctions depériode
1. Les expres- sions(11) fournissent,
enprenant
pour uy, ~r, ~t~, trois fonctions absolumentquelconques
depériode
i, la solution laplus générale
de
(S), puisque réciproquement
cesexpressions
vérifient(S),
commeon
peut
s’en assurer immédiatement.. Pour utiliser ce
qui précède
dans notreproblème
de Calculdes probabilités,
onpourrait
penser d’abord à chercherparmi
ces solutionscelles
qui
sontlogarithmes
des fonctionscaractéristiques
et satisfontainsi à certaines conditions
supplémentaires.
Mais cela n’est pas
nécessaire,
comme le montrera la suite.’
I4
Soit alors Z une variable aléatoire
indépendante
de X. etayant
lamême loi de
probabilité
etT =
X - Z. On aura9T(t) = 03C6Z(- t) = 9x(t) 03C6X(- t), d’où
(12)
2t’
(
L9 .Soient maintenant
Ti,. T2,
...,Tn
les valeurs de T dans népreuves indépendantes
etKn = T1+...+Tn n
.
On a .
’
03C6Kn(t) = 03C6T1(t n)...03C6Tn(t n) -
03C6T(t n )
L9 .Si p
est un entierpositif pair, alors, quand
onprend
n = 2P,(13)
i
) -
03C6T(t),de sorte que
K~r
a une loi deprobabilité,
celle deT, qui
estindépen-
dante de p..
Si la fluctuation de X est finie mais
nulle,
X et par suiteZ,
sontpresque certainement
égales,
à une même constante et T est presque certainementnul,
donc = 1 et alorsm(À )
== o.D’ailleurs,
dans cecas,
X +
Y et X - Y nepeuvent
êtreindépendants
que si Y est aussi presque certainementégal
à une constante.Et
réciproquement
si X et Y sont presque certainement cons- tants, et X - Y sontindépendants.
On a ainsi lesystème
desolutions
le plus général quand
la fluctuation de X est nulle(et
alorscelle de Y l’est
aussi).
,Si la
fluctuation
deX, soit, Q’’,
est finie et nonnulle,
X et par suite Zont une même moyenne X==Z finie et
déterminée,
et T==o. On saitqu’alors
convergequand
n --~ oo vers la fonctioncaractéristique
d’une variable
laplacienne
ayant pour moyenne et fluctuations celles deT,
soit zéro et 2 a~2. OrI5 Ainsi T est elle-même une variable
laplacienne.
Mais T = X - Z oùX et Z sont
indépendants
et ont chacun une fluctuation ~=~
o.Donc, d’après
le théorème deLévy-Cramér,
X est une variablelaplacienne.
D’ailleurs,
le raisonnement fait pour~r(t~ peut
serépèter pour W(t).
Mais
d’après (13)
et(~4), ~(a~
est une constante~ o;
commem(À) figure
aussi dans~r(t~,
on voitqu’en désignant
parZ~ une
variable aléatoireindépendante
deY,
mais avec la même loi deprobabilité,
etposant TB ==
Y -Z1,
on aura=
’
avec ~ constant et
~
o.De sorte
que T,
est aussi une variablelaplacienne
avec la mêmefluctuation 2 ~‘-’ que T. Alors Y est aussi non seulement
laplacienne
maisa la même fluctuation que X. -
On peut donner aussi la démonstration suivante.
D’après
PaulLévy (1), quand
X a une fluctua tion y~finie,
on a(t5) avec
n _. /~o 0
On a donc
d’après (5)
iX-03C32t 2+t~(t)=03C0(L|t| L2)+L03C9(L|t| L2 )
.En
remplaçant
t par 2pt où p est un entiernégatif
iX-03C322pt 2+2p t ~(2pt)=03C0(L|t| L2)+p t 03C9(L|t| L2),
d’où,
en faisantcroître p
indéfiniment par valeursnégatives
03C0
(L|t| L2) =
i X,et par suite ..
-03C32 2 + ~(2p t) = 03C9(L|t| L2).
D’où en faisant encore
tendre p
vers - 0003C9(L|t| L2)
j
const. === 2014 2014(’ ) Voir formule (1’7), p. 42, dans sa Théorie de l’addition des variables
aléatoires,
chez Gauthier-Villars, Paris, 1937.
I6
et finalement
03C6X(t) = it - 03C32 2 t2.
(16) = iXt- - t’.
Condition nécessaire. - Ici on peut conserver, sans chercher à en
étendre la
validité,
la démonstration de S. Bernstein. Comme elle estrédigée
en russe,rappelons-la
ici. On suppose que X et Y sont des variableslaplaciennes indépendantes
et, conformément au résultatprécé- dent,
nous supposeronsqu’elles
ont même fluctuation~J~~ o).
Alorselles ont chacune une .moyenne finie et déterminée
X,
Y. Suivant laremarque de S.
Bernstein,
on a(17)
- D’autre
part
il résulte deshypothèses
que Ysont comme on le
sait,
nécessairement aussi desvariables laplaciennes.
Mais de
plus,
Bravais a démontré que la loi deprobabilité
ducouple U,
V est la loi deLaplace généralisée.
Et l’on sait que. dans ce cas, la condition nécessaire et suffisante pour queU,
V soientindépendantes
est que leur coefficient de corrélation linéaire soit
nul,
cequi
est lecas ici
d’après ( 1 ~ ).
Donc U et V sontindépendants.
On
peut
aussi donner une autre démonstration au moyen des fonc- tionscaractéristiques.
On pose
t’) _ ei(lU+l’V).
,
D’où
et
lorsque X,
Y sont deux variableslaplaciennes
de moyenneX,
Y etde fluctuations
~‘’,
~’?- - (t + t’)2 6,2 - (t - t~)R 6r1
e
= eitUeit’Ve-
1 9 [t2(03C32+03C3’2)+2tt’(03C32)]
, ’Mais
puisque U,
V sont, comme on lesait,
dans le casactuel,
desvariables
laplaciennes
de fluctuations o~"~ _ ~? +~’’-’,
on aI7
Dès lors . -
, t~) = ~’~t~
t~)~
où
tf)
= ,_
Ainsi pour
qu’on
ait .(18)
t’ )
=)03C6X-Y(t’),
quand
X et Y sont deuxvariables laplaciennes indépendantes,
il faut etil suffit que leurs fluctuations ~~ et soient
égales quand
on donneX,
on pourra
prendre
à cet effet pour Y un nombre aléatoireindépendant
de
X,
mais avec la même loi deprobabilité.
Lacondition (18) exprime
d’ailleurs que les variables aléatoires X + Y et X - Y
sontindépendantes.
DEUXIÉME DÉFINITION
. DES
ÉLÉMENTS
LAPLACIENS. ,Définition
descriptive
d’un nombreLaplacien.
-- Tl resulte de cequi précède
que : :Pour
qu’un
nombrealéatoire
X ob.éisse à la loi4e Laplace,
ilfaut
et ilsuffit :
1° que safluctuation
soitfinie
et~
o; ; 2°qu’il
existe un autre nombre aléatoire Y
indépendant
de X et telque X + Y et X - Y soient
indépendants.
Généralisation de la
fluctuation
-- Considérons maintenantd’abord
le cas où X
(au
lieu d’être un nombrealéatoire)
est un élément aléa- toire de naturequelconque pris
au hasard dans un espacedistancié
complet
IC~(’).
Soit =
(X, a)2,
où a est un élément certain del’espace
etoù
(X, a)
est ladistance
de X et de a.Nous appelons fluctuation
deX
,la borne inférieure de
quand a parcourt
.(1) Un espace est distancié si à tout couple d’éléments a, b de on peut associer
un nombre ( a, b appelé distance de a et de b, tel que ( a, b = ( b, a ) ~ o, que ( a, b ) = o si a - b et, réciproquemenl, et enfin tel que (a, b)G (a, c) + (c, b). Il est complet si
le critère de convergence de Cauchy y est valable.
I8
Fluctuation nulle. -
Que peut-on
dire d’un élément aléatoire X dont la fluctuation est nulle? Onpeut
donner laréponse,
en faisant usage del’inégalité triangulaire
- -Y)’.~
~12(X, Z~~+
facile à démontrer au moyen de
l’inégalité
de Schwartz. Dire en effet que la fluctuation de X estnulle,
c’est dire que pour tout entier n, il existe un élément certain an detel que
.J1l(X,
an~_, ~,.
Alors
( an ( X, + ( X,
n
.-
Dès
lors, l’espace
U~ étantcomplet,
la suite des a,i doit être conver-gente. Soit a l’élément certain de CI~
qui
en est la limite. On a +(a, an) )quel
que soit n. Donc .(X, a)‘’= o; ,
la distance
(X, a)
est presque certainement nulle :q~uand la fluctuation
de X est
nulle,
.X se réduit à un élément presque certain de . Laréciproque
est d’ailleurs évidente. Nous voyons bien lnaitenantla raisonet
l’importance
de lastipulation
d’une fluctuation nonnulle
dans ladéfinition
qui
va suivre.Pour
généraliser
la définitiondescriptive qui
a été donnéeplus
haut
(p. 7)
et l’étendre à ,des éléments aléatoiresX,
Y de naturequelconque,
il fautpouvoir
donner un sens auxsymboles X
+Y,
X -Y,
c’est ce
qu’on
pourra faire ensupposant
non seulement queX, Y appar-
tiennent à un espace distancié
complet,
mais même que cet espace est« vectoriel » autrement dit que
X,
Yappartiennent
à un espace deBanach-Wiener. ’
Extension de la loi de
Laplace
à des éléments aléatoires de naturequelconque. - Soit X un élément aléatoire de nature
quelconque pris
au hasard dans un espace de Banach-Wiener
(1 ).
(i) La définition qui suit peut être étendue à des espaces plus généraux encore. En effet, observons que la condition 2° garderait un sens dans le cas plus général où